买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉青岛大志美德电气有限公司申请的专利一种基于图神经网络的中央空调制冷机房节能方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119987199B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510074374.6，技术领域涉及：G05B13/04；该发明授权一种基于图神经网络的中央空调制冷机房节能方法及系统是由宫金花;井长波;徐阿丽;宫庆智;王戌民设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于图神经网络的中央空调制冷机房节能方法及系统在说明书摘要公布了：本发明公开了一种基于图神经网络的中央空调制冷机房节能方法及系统，包括S1、获取中央空调制冷机房内各设备的运行数据，包括运行状态参数、能耗数据及环境参数；S2、基于采集的数据构建设备拓扑图，定义设备间的关联关系为节点和边的形式，并动态更新拓扑权重；S3、利用生成的设备拓扑图训练图神经网络模型，捕获设备间的复杂交互关系，生成能耗特征向量；S4、结合实时设备运行数据，通过训练完成的模型进行能耗预测，生成动态优化策略；S5、根据动态优化策略调整设备的运行参数；S6、实时监测调整后的设备运行状态，将优化后的数据反馈至图神经网络模型进行更新。本发明具备全局优化能效、精确的数据处理能力以及动态优化响应的优点。

本发明授权一种基于图神经网络的中央空调制冷机房节能方法及系统在权利要求书中公布了：1.一种基于图神经网络的中央空调制冷机房节能方法，其特征在于，包括如下步骤： S1、获取中央空调制冷机房内各设备的多维运行数据； S2、基于采集的设备运行数据，构建中央空调制冷机房的设备拓扑图，定义设备间的关联关系为节点和边的形式，并根据关联强度动态更新拓扑权重； 所述S2具体包括： S21、根据中央空调制冷机房内各设备的物理布局及运行数据特征，将每个设备定义为一个节点，节点属性包括设备的实时运行参数、历史能耗数据及设备类型； S22、根据设备之间的关联关系构建边的集合，边的拓扑权重通过计算设备间的交互强度确定： 其中，wij表示设备i和设备j之间的拓扑权重，xit和xjt分别表示设备i和设备j在时间t的运行参数，T为时间序列长度； S23、结合设备运行状态的动态变化，实时更新边的拓扑权重，更新规则基于预设的交互强度变化阈值判断设备间的交互强度变化是否超出设定范围，若超出则重新计算边的拓扑权重； S24、根据更新后的节点及边集合生成设备拓扑图，以矩阵形式存储节点及边的关联关系，矩阵元素的值对应于边的拓扑权重； S25、对生成的设备拓扑图进行稀疏化处理，去除关联强度低于设定的拓扑权重稀疏化阈值的边； S3、利用构建的设备拓扑图，训练图神经网络模型，通过逐层传播和聚合节点，捕获设备间的非线性复杂交互关系，并生成针对各节点的能耗特征向量； 所述S3具体包括： S31、将设备拓扑图作为输入，初始化图神经网络模型的节点特征向量，其中每个节点的初始特征向量由其设备的实时运行参数和历史能耗数据构成： 其中，为节点i的初始特征向量，xi,k表示节点i的第k个特征值，m为节点特征的维度； S32、采用逐层传播机制更新节点特征，通过聚合邻居节点特征和自身特征完成特征向量的传播与更新； S33、根据设定的网络层数和训练目标，迭代执行特征传播与更新过程，直至节点特征向量聚合完成； S34、对聚合后的节点特征向量进行线性变换，生成针对各节点的能耗特征向量； S35、将生成的所有节点的能耗特征向量作为图神经网络的输出； S4、基于训练完成的图神经网络模型，结合实时设备运行数据，进行能耗预测，生成机房整体能耗的动态优化策略； 所述S4具体包括： S41、将实时设备运行数据输入至训练完成的图神经网络模型，其中设备运行数据包括设备的实时能耗、运行状态及环境参数； S42、利用图神经网络模型对输入的实时设备运行数据进行能耗预测： 其中，表示预测的机房整体能耗，W1和W2分别为第一层和第二层的可训练权重矩阵，b1和b2为对应的偏置向量，ReLU为非线性激活函数，H为设备节点特征矩阵，A为设备拓扑图的邻接矩阵； S43、根据预测的机房整体能耗结合能耗优化目标，计算动态优化策略； S44、根据计算的动态优化策略，生成设备运行调整方案，包括设备启停顺序、运行负荷及参数调控值； S5、根据生成的机房整体能耗的动态优化策略，调整中央空调制冷机房内设备的运行参数，协调设备间的能耗分配； 所述S5具体包括： S51、根据动态优化策略O，解析设备运行参数集合P； S52、依据优化参数集合P，调整每台设备的运行状态，设备启停状态变量为Si： S53、根据功率调控值Pi和负荷分配要求，对运行设备进行运行功率调整： Pi new＝minPi max,maxPi min,Pi； 其中，Pi new表示调整后的设备i的运行功率，Pi max和Pi min分别表示设备i的最大和最小允许运行功率； S54、实时监测调整后的设备运行状态，将设备运行参数调整值反馈至中央控制系统，使各设备的功率分配满足动态优化策略O的要求； S6、实时监测设备运行效果，将优化后生成的运行数据反馈至图神经网络模型，对模型参数进行增量更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛大志美德电气有限公司，其通讯地址为：266000 山东省青岛市城阳区协荣路12号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。